Jakie są zalety i wady korzystania z LARS [1] w porównaniu ze stosowaniem opadania współrzędnych w celu dopasowania regresji liniowej regulowanej przez L1?
Interesują mnie głównie aspekty wydajności (moje problemy występują zwykle N
w setkach tysięcy i p
<20). Jednak wszelkie inne spostrzeżenia byłyby również mile widziane.
edytuj: Od kiedy opublikowałem pytanie, chl uprzejmie zwrócił uwagę na artykuł [2] Friedmana i in., w którym wykazano, że zejście współrzędnych jest znacznie szybsze niż inne metody. Jeśli tak jest, czy powinienem jako praktykujący po prostu zapomnieć o LARS na rzecz zejścia ze współrzędnymi?
[1] Efron, Bradley; Hastie, Trevor; Johnstone, Iain i Tibshirani, Robert (2004). „Regresja najmniejszego kąta”. Annals of Statistics 32 (2): s. 407–499.
[2] Jerome H. Friedman, Trevor Hastie, Rob Tibshirani, „Ścieżki regularyzacji uogólnionych modeli liniowych poprzez zejście współrzędnych”, Journal of Statistics Software, tom. 33, wydanie 1, luty 2010 r.
źródło